staruhub/ClaudeSkills / lab/Geek-skills-weather-forecast-report
weather-forecast-report
Verified将天气要素(风速、能见度、降雨量等)单站预报系统的项目文档、模型、报告、评估结果整理成符合省级自然科学基金项目编写规范的专题研究报告。适用于:(1) 基于Claude Code + OpenSpec开发的气象预报系统结题报告编写,(2) 将技术文档转换为学术研究报告格式,(3) 生成符合省级自然科学基金规范的专题研究报告,(4) 整合项目代码、模型、评估指标等技术材料为规范化学术报告。触发关键词:"专题研究报告"、"结题报告"、"天气预报系统"、"基金项目报告"、"风速预报"、"能见度预报"、"降雨量预报"、"气象预测"、"单站预报"等。
| File | Kind | Size |
|---|---|---|
| SKILL.md | skill md | 5.2 KB |
| assets/report-template.md | markdown | 10.3 KB |
| references/evaluation-metrics.md | markdown | 6.9 KB |
| references/format-standards.md | markdown | 5.5 KB |
| references/report-structure.md | markdown | 4.4 KB |
| references/writing-guidelines.md | markdown | 4.8 KB |
assets/report-template.md
View on GitHub# [天气要素名称]要素单站预报方法研究
**项目名称**:[填写项目名称]
**项目编号**:[填写项目编号]
**项目负责人**:[填写负责人姓名]
**依托单位**:[填写单位名称]
**起止时间**:[开始日期] 至 [结束日期]
---
## 摘要
[在此处撰写中文摘要,300-400字]
研究背景:[1-2句概述研究领域的重要性和存在的问题]
研究目的:[1句说明本研究的目标]
研究方法:[2-3句描述采用的主要技术方法]
主要结果:[2-3句陈述关键实验结果和数据]
结论意义:[1-2句总结研究的创新贡献和应用价值]
**关键词**:[关键词1];[关键词2];[关键词3];[关键词4];[关键词5]
## Abstract
[Write English abstract here, corresponding to Chinese abstract]
**Keywords**: [keyword1]; [keyword2]; [keyword3]; [keyword4]; [keyword5]
---
## 一、研究背景与意义
### (一)研究背景
[描述该天气要素预报在气象服务中的重要性,约200-300字]
[描述单站预报的特点和应用场景,约150-200字]
[指出该天气要素预报的特殊性和技术难点,约150-200字]
### (二)国内外研究现状
#### 1. 传统预报方法
[综述统计学方法、物理模型等传统方法,约300字]
#### 2. 机器学习方法
[综述机器学习和深度学习方法的研究进展,约400字]
#### 3. 现有方法的局限性
[分析现有方法存在的问题和不足,约200字]
### (三)研究意义
#### 1. 理论意义
[阐述本研究的理论贡献,约150字]
#### 2. 实践意义
[阐述本研究的应用价值,约150字]
---
## 二、研究目标与内容
### (一)研究目标
#### 1. 总体目标
[用1-2句话概括研究的总体目标]
#### 2. 具体目标
(1)[具体目标一,包含可量化指标]
(2)[具体目标二,包含可量化指标]
(3)[具体目标三,包含可量化指标]
### (二)研究内容
#### 1. 数据采集与预处理
[描述数据处理相关的研究内容]
#### 2. 特征工程与选择
[描述特征工程相关的研究内容]
#### 3. 预报模型构建
[描述模型构建相关的研究内容]
#### 4. 模型评估与优化
[描述模型评估相关的研究内容]
### (三)拟解决的关键科学问题
(1)[关键科学问题一]
(2)[关键科学问题二]
---
## 三、研究方法与技术路线
### (一)总体技术路线
[在此处插入技术路线图]
图1 研究技术路线图
[对技术路线的各阶段进行简要说明,约300字]
### (二)数据处理方法
#### 1. 数据来源
[描述数据的来源和基本信息]
#### 2. 数据清洗
[描述数据清洗的方法和标准]
#### 3. 缺失值处理
[描述缺失值的处理策略]
#### 4. 异常值检测
[描述异常值检测和处理方法]
### (三)特征工程
#### 1. 原始特征
[列出并说明使用的原始特征]
表1 原始特征说明
| 特征名称 | 单位 | 说明 |
|---------|------|------|
| [特征1] | [单位] | [说明] |
| [特征2] | [单位] | [说明] |
| ... | ... | ... |
#### 2. 衍生特征
[描述构建的衍生特征及其构建方法]
#### 3. 特征选择
[描述特征选择的方法和结果]
### (四)模型方法
#### 1. 模型选型
[说明模型选择的依据和考虑因素]
#### 2. 模型架构
[详细描述模型的架构设计]
[在此处插入模型架构图]
图2 模型架构图
#### 3. 参数设置
表2 模型主要参数设置
| 参数名称 | 参数值 | 设置依据 |
|---------|--------|---------|
| [参数1] | [值] | [依据] |
| [参数2] | [值] | [依据] |
| ... | ... | ... |
### (五)评估方法
#### 1. 评估指标
[列出并定义使用的评估指标]
#### 2. 交叉验证策略
[描述交叉验证的具体方案]
#### 3. 基准对比方案
[说明选择的基准方法及选择理由]
---
## 四、数据来源与处理
### (一)数据来源
#### 1. 数据提供单位
[说明数据的提供机构]
#### 2. 数据时间范围
[说明数据覆盖的时间段]
#### 3. 数据空间范围
[说明站点位置和空间覆盖]
#### 4. 数据要素说明
表3 数据要素说明
| 要素名称 | 观测频率 | 单位 | 精度 |
|---------|---------|------|------|
| [要素1] | [频率] | [单位] | [精度] |
| [要素2] | [频率] | [单位] | [精度] |
| ... | ... | ... | ... |
### (二)数据质量控制
#### 1. 质控标准
[说明采用的质控标准]
#### 2. 质控方法
[描述具体的质控方法]
#### 3. 质控结果
表4 数据质控统计结果
| 数据要素 | 原始记录数 | 质控后记录数 | 剔除比例 |
|---------|-----------|-------------|---------|
| [要素1] | [数量] | [数量] | [比例] |
| ... | ... | ... | ... |
### (三)数据预处理
#### 1. 时间序列对齐
[描述时间序列处理方法]
#### 2. 归一化/标准化
[描述数据标准化方法]
#### 3. 数据集划分
表5 数据集划分情况
| 数据集 | 时间范围 | 样本数量 | 占比 |
|-------|---------|---------|------|
| 训练集 | [时间段] | [数量] | [比例] |
| 验证集 | [时间段] | [数量] | [比例] |
| 测试集 | [时间段] | [数量] | [比例] |
---
## 五、模型构建与训练
### (一)模型架构
[详细描述模型的整体架构设计,约400字]
[在此处插入模型详细架构图]
图3 模型详细架构图
#### 1. 输入层设计
[描述输入层的设计]
#### 2. 隐藏层设计
[描述隐藏层的设计]
#### 3. 输出层设计
[描述输出层的设计]
#### 4. 创新设计点
[突出说明模型的创新之处]
### (二)模型实现
#### 1. 开发环境
表6 开发环境配置
| 项目 | 版本/配置 |
|------|----------|
| 操作系统 | [版本] |
| Python | [版本] |
| 深度学习框架 | [框架名称及版本] |
| GPU | [型号] |
#### 2. 主要依赖库
[列出主要的Python库及版本]
#### 3. 核心代码说明
[用伪代码或流程图说明核心算法逻辑]
### (三)模型训练
#### 1. 训练策略
[描述训练的整体策略]
#### 2. 超参数设置
表7 超参数设置
| 超参数 | 设置值 | 说明 |
|-------|--------|------|
| 学习率 | [值] | [说明] |
| 批大小 | [值] | [说明] |
| 迭代次数 | [值] | [说明] |
| ... | ... | ... |
#### 3. 训练过程
[描述训练过程中的监控和调整]
[在此处插入训练曲线图]
图4 模型训练损失曲线
#### 4. 早停策略
[描述早停策略的设置和效果]
### (四)模型优化
#### 1. 参数调优
[描述超参数调优的方法和过程]
#### 2. 模型集成
[描述模型集成策略(如适用)]
#### 3. 优化效果
表8 优化前后性能对比
| 版本 | MAE | RMSE | CC |
|-----|-----|------|-----|
| 基础版本 | [值] | [值] | [值] |
| 优化版本 | [值] | [值] | [值] |
| 提升幅度 | [值] | [值] | [值] |
---
## 六、实验结果与分析
### (一)评估指标
[定义并说明本研究使用的评估指标]
### (二)总体性能
表9 模型总体性能指标
| 数据集 | MAE | RMSE | CC | SS |
|-------|-----|------|-----|-----|
| 训练集 | [值] | [值] | [值] | [值] |
| 验证集 | [值] | [值] | [值] | [值] |
| 测试集 | [值] | [值] | [值] | [值] |
### (三)与基准方法对比
表10 不同方法性能对比
| 方法 | MAE | RMSE | CC | 相对提升 |
|-----|-----|------|-----|---------|
| 气候平均 | [值] | [值] | - | - |
| 持续性预报 | [值] | [值] | [值] | - |
| 线性回归 | [值] | [值] | [值] | [%] |
| 随机森林 | [值] | [值] | [值] | [%] |
| LSTM | [值] | [值] | [值] | [%] |
| 本文方法 | [值] | [值] | [值] | [%] |
[在此处插入性能对比柱状图]
图5 不同方法性能对比
[对比结果进行分析讨论,约300字]
### (四)分类性能分析
#### 1. 不同季节性能
表11 不同季节预报性能
| 季节 | MAE | RMSE | CC |
|-----|-----|------|-----|
| 春季 | [值] | [值] | [值] |
| 夏季 | [值] | [值] | [值] |
| 秋季 | [值] | [值] | [值] |
| 冬季 | [值] | [值] | [值] |
[分析季节差异的原因,约200字]
#### 2. 不同天气类型性能
[分析不同天气类型下的预报性能,约300字]
### (五)时效性分析
表12 不同预报时效性能
| 预报时效 | MAE | RMSE | CC |
|---------|-----|------|-----|
| 1小时 | [值] | [值] | [值] |
| 3小时 | [值] | [值] | [值] |
| 6小时 | [值] | [值] | [值] |
| 12小时 | [值] | [值] | [值] |
| 24小时 | [值] | [值] | [值] |
[在此处插入时效衰减曲线图]
图6 预报性能随时效变化曲线
[分析时效变化规律,约200字]
### (六)案例分析
#### 1. 典型成功案例
[选择1-2个成功预报的案例进行分析]
[在此处插入案例对比图]
图7 典型成功预报案例
[分析预报成功的原因,约200字]
#### 2. 典型失败案例
[选择1-2个预报效果不佳的案例进行分析]
[在此处插入案例对比图]
图8 典型失败预报案例
[分析预报失败的原因,约200字]
### (七)结果讨论
#### 1. 方法优势
[总结本方法的主要优势,约200字]
#### 2. 存在局限
[客观分析方法存在的局限性,约200字]
#### 3. 与其他研究对比
[与相关文献研究结果进行对比讨论,约300字]
---
## 七、结论与展望
### (一)主要结论
(1)[结论一:对应研究目标一的总结]
(2)[结论二:对应研究目标二的总结]
(3)[结论三:关于方法性能的总体结论]
### (二)创新点
(1)[创新点一]
(2)[创新点二]
(3)[创新点三(如有)]
### (三)研究展望
#### 1. 下一步研究方向
[提出后续研究的方向,约200字]
#### 2. 潜在应用场景
[展望研究成果的应用前景,约150字]
#### 3. 需要解决的问题
[指出需要进一步解决的问题,约150字]
---
## 参考文献
[1] [按GB/T 7714-2015格式列出参考文献]
[2] ...
[3] ...
---
## 附录
### 附录A:数据说明
[详细的数据字典和说明]
### 附录B:代码清单
[核心算法的伪代码或代码片段]
### 附录C:补充图表
[正文未纳入的补充分析图表]
### 附录D:项目成果清单
#### 1. 发表论文
[列出项目资助发表的论文]
#### 2. 软件著作权
[列出取得的软件著作权]
#### 3. 专利
[列出申请或授权的专利]
#### 4. 其他成果
[列出其他相关成果]
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| reverse-engineer-anythingmorluto/reaReverse engineer native, managed, Electron/JavaScript, packaged, firmware, and browser targets with REA, and build agent environments (AgentEnv bundles) of web applications from a live instance or a capture, and of Linux desktop apps with a task from a request. Use shipped-artifact or requested runtime evidence to explain features, compare versions, decompile code, or guide a reconstruction. Skip REA for ordinary source-repository architecture analysis. | Stars: 472k | Updated | Claude CodeCodex | Verified | Install |
| diagnosing-superpowersobra/superpowersUse when a superpowers session went wrong and your human partner wants to know why — repeated work, ignored plans, stumbles, poor results, a skill that didn't fire, "it took too long", "why is it so expensive", "what is it doing" — or wants to build a bug report for the superpowers maintainers, for the current session or a past one identified by id or path, on any harness. | Stars: 323k | Updated | Claude CodeCodex | Verified | Install |
| dispatching-parallel-agentsobra/superpowersUse when facing 2+ independent tasks that can be worked on without shared state or sequential dependencies | Stars: 323k | Updated | Claude CodeCodex | Verified | Install |
| executing-plansobra/superpowersUse when executing an implementation plan in the current session as the implementer yourself — your human partner chose inline execution, or no subagent tool is available | Stars: 323k | Updated | Claude CodeCodex | Verified | Install |